CN112116284A - 虚假运单的识别方法、系统、电子设备及存储介质 - Google Patents

虚假运单的识别方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN112116284A
CN112116284A CN202010228918.7A CN202010228918A CN112116284A CN 112116284 A CN112116284 A CN 112116284A CN 202010228918 A CN202010228918 A CN 202010228918A CN 112116284 A CN112116284 A CN 112116284A
Authority
CN
China
Prior art keywords
dispatch
address
location
sign
granularity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010228918.7A
Other languages
English (en)
Other versions
CN112116284B (zh
Inventor
元野
郑德鹏
谢江琼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Xunmeng Information Technology Co Ltd
Original Assignee
Shanghai Xunmeng Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Xunmeng Information Technology Co Ltd filed Critical Shanghai Xunmeng Information Technology Co Ltd
Priority to CN202010228918.7A priority Critical patent/CN112116284B/zh
Publication of CN112116284A publication Critical patent/CN112116284A/zh
Application granted granted Critical
Publication of CN112116284B publication Critical patent/CN112116284B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification

Landscapes

  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种虚假运单的识别方法、系统、电子设备及存储介质。其中，识别方法包括：获取待识别运单的物流服务提供商、待识别运单对应的签收地址以及待识别运单所对应订单的收件地址；在物流服务提供商的派件网点中确定与收件地址对应的合法派件网点集合；判断签收地址是否落入合法派件网点集合中任意一项的合法派件范围内；若否，则确定待识别运单为虚假运单。本发明基于派件网点的合法派件范围来识别虚假运单，其中，派件网点的合法派件范围基于派件网点所在区位与该派件网点对应的签收地址所在区位的能否匹配来识别非法签收区位以更新派件网点的合法派件范围，从而能够准确地识别出虚假运单，并保障了用户的良好购物体验。

Description

虚假运单的识别方法、系统、电子设备及存储介质
技术领域
本发明涉及互联网技术领域，尤其涉及一种虚假运单的识别方法、系统、电子设备及存储介质。
背景技术
当前的主流电商平台，普遍支持商家、供应商、物流企业等的接入服务，其中，商家作为电商服务的核心参与者，可以借助电商平台指定具体的物流服务提供商提供快件包裹的仓储、运输、派送等服务。而随着商品销量的不断提升，商家经常会出现库存量不足、商品暂时断货等情况，在该种情况下，部分商家可能会通过构造或提供虚假运单的方式，生成并不存在的物流轨迹，来造成商家已经及时发货的假象。但是，虚假运单的存在会造成用户无法及时收到快递包裹的后果，并且会严重影响用户的购物体验。
发明内容
本发明要解决的技术问题是为了克服现有技术中存在虚假运单的缺陷，提供一种虚假运单的识别方法、系统、电子设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题：
一种虚假运单的识别方法，包括：
获取待识别运单的物流服务提供商、所述待识别运单对应的签收地址以及所述待识别运单所对应订单的收件地址；
在所述物流服务提供商的派件网点中确定与所述收件地址对应的合法派件网点集合；
判断所述签收地址是否落入所述合法派件网点集合中任意一项的合法派件范围内；
若否，则确定所述待识别运单为虚假运单。
较佳地，在所述判断所述签收地址是否落入所述合法派件网点集合中任意一项的合法派件范围内的步骤之前还包括：
更新所述物流服务提供商的派件网点的合法派件范围。
较佳地，对于每一派件网点，所述更新所述物流服务提供商的派件网点的合法派件范围的步骤包括：
获取派件网点对应的合法派件范围以及历史派件轨迹；
获取所述历史派件轨迹对应的历史签收地址；
获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则确定所述合法派件范围中包括所述签收地址区位的区位为非法签收区位；
从所述合法派件范围中删除所述非法签收区位以更新所述合法派件范围。
较佳地，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第一粒度级别下判断为是，则在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第二粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在第一粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
其中，所述第一粒度级别包括所述第二粒度级别。
较佳地，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在省级区位粒度下不相同，则在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相邻；
若在省级区位粒度下不相邻，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在省级区位粒度下相同，则在市级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在市级区位粒度下不相同，则判断在市级区位粒度下所述派件网点区位与所述签收地址区位之间的区位距离是否大于距离阈值；
若大于所述距离阈值，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在市级区位粒度下相同，则在区县级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在区县级区位粒度下不相同，则在市级区位粒度下判断所述派件网点区位与所述历史签收区位是否相同；
若在市级区位粒度下判断为不相同，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻。
一种虚假运单的识别方法，包括：
获取待识别运单对应的派件网点以及签收地址；
判断所述签收地址是否落入所述派件网点的合法派件范围内；
若否，则确定所述待识别运单为虚假运单。
较佳地，在所述判断所述签收地址是否落入所述派件网点的合法派件范围内的步骤之前还包括：
更新所述派件网点的合法派件范围。
较佳地，所述更新所述派件网点的合法派件范围的步骤包括：
获取所述派件网点对应的合法派件范围以及历史派件轨迹；
获取所述历史派件轨迹对应的历史签收地址；
获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则确定所述合法派件范围中包括所述签收地址区位的区位为非法签收区位；
从所述合法派件范围中删除所述非法签收区位以更新所述合法派件范围。
较佳地，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第一粒度级别下判断为是，则在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第二粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在第一粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
其中，所述第一粒度级别包括所述第二粒度级别。
较佳地，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在省级区位粒度下不相同，则在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相邻；
若在省级区位粒度下不相邻，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在省级区位粒度下相同，则在市级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在市级区位粒度下不相同，则判断在市级区位粒度下所述派件网点区位与所述签收地址区位之间的区位距离是否大于距离阈值；
若大于所述距离阈值，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在市级区位粒度下相同，则在区县级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在区县级区位粒度下不相同，则在市级区位粒度下判断所述派件网点区位与所述历史签收区位是否相同；
若在市级区位粒度下判断为不相同，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻。
一种合法派件范围的更新方法，包括：
获取派件网点对应的派件范围以及历史派件轨迹；
获取所述历史派件轨迹对应的历史签收地址；
获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则确定所述派件范围中包括所述签收地址区位的区位为非法签收区位；
从所述派件范围中删除所述非法签收区位以更新所述派件范围。
较佳地，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第一粒度级别下判断为是，则在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第二粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在第一粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
其中，所述第一粒度级别包括所述第二粒度级别。
较佳地，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在省级区位粒度下不相同，则在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相邻；
若在省级区位粒度下不相邻，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在省级区位粒度下相同，则在市级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在市级区位粒度下不相同，则判断在市级区位粒度下所述派件网点区位与所述签收地址区位之间的区位距离是否大于距离阈值；
若大于所述距离阈值，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在市级区位粒度下相同，则在区县级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在区县级区位粒度下不相同，则在市级区位粒度下判断所述派件网点区位与所述历史签收区位是否相同；
若在市级区位粒度下判断为不相同，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一种虚假运单的识别方法，或者实现上述任一种合法派件范围的更新方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种虚假运单的识别方法的步骤，或者实现上述任一种合法派件范围的更新方法的步骤。
一种虚假运单的识别系统，包括：
获取模块，用于获取待识别运单的物流服务提供商、所述待识别运单对应的签收地址以及所述待识别运单所对应订单的收件地址；
第一确定模块，用于在所述物流服务提供商的派件网点中确定与所述收件地址对应的合法派件网点集合；
判断模块，用于判断所述签收地址是否落入所述合法派件网点集合中任意一项的合法派件范围内；
若否，则调用第二确定模块，用于确定所述待识别运单为虚假运单。
较佳地，所述识别系统还包括：
更新模块，用于更新所述物流服务提供商的派件网点的合法派件范围。
较佳地，所述更新模块包括：
第一获取单元，用于获取派件网点对应的合法派件范围以及历史派件轨迹；
第二获取单元，用于获取所述历史派件轨迹对应的历史签收地址；
第三获取单元，用于获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断单元，用于判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则调用确定单元，用于确定所述合法派件范围中包括所述签收地址区位的区位为非法签收区位；
更新单元，用于从所述合法派件范围中删除所述非法签收区位以更新所述合法派件范围。
较佳地，所述判断单元包括：
第一判断子单元，用于在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第一判断子单元判断为是，则调用第二判断子单元，用于在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第二判断子单元判断为否，则调用所述确定单元；
若所述第一判断子单元判断为否，则调用所述确定单元；
其中，所述第一粒度级别包括所述第二粒度级别。
一种虚假运单的识别系统，包括：
获取模块，用于获取待识别运单对应的派件网点以及签收地址；
判断模块，用于判断所述签收地址是否落入所述派件网点的合法派件范围内；
若否，则调用确定模块，用于确定所述运单为虚假运单。
较佳地，所述识别系统还包括：
更新模块，用于更新所述派件网点的合法派件范围。
较佳地，所述更新模块包括：
第一获取单元，用于获取所述派件网点对应的合法派件范围以及历史派件轨迹；
第二获取单元，用于获取所述历史派件轨迹对应的历史签收地址；
第三获取单元，用于获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断单元，用于判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则调用确定单元，用于确定所述合法派件范围中包括所述签收地址区位的区位为非法签收区位；
更新单元，用于从所述合法派件范围中删除所述非法签收区位以更新所述合法派件范围。
较佳地，所述判断单元包括：
第一判断子单元，用于在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第一判断子单元判断为是，则调用第二判断子单元，用于在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第二判断子单元判断为否，则调用所述确定单元；
若所述第一判断子单元判断为否，则调用所述确定单元；
其中，所述第一粒度级别包括所述第二粒度级别。
一种合法派件范围的更新系统，包括：
第一获取模块，用于获取派件网点对应的派件范围以及历史派件轨迹；
第二获取模块，用于获取所述历史派件轨迹对应的历史签收地址；
第三获取模块，用于获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断模块，用于判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则调用确定模块，用于确定所述派件范围中包括所述签收地址区位的区位为非法签收区位；
更新模块，用于从所述派件范围中删除所述非法签收区位以更新所述派件范围。
较佳地，所述判断模块包括：
第一判断单元，用于在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第一判断单元判断为是，则调用第二判断单元，用于在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第二判断单元判断为否，则调用所述确定模块；
若所述第一判断单元判断为否，则调用所述确定模块；
其中，所述第一粒度级别包括所述第二粒度级别。
本发明的积极进步效果在于：本发明基于派件网点的合法派件范围来识别虚假运单，其中，派件网点的合法派件范围基于派件网点所在区位与该派件网点对应的签收地址所在区位的能否匹配来识别非法签收区位以更新派件网点的合法派件范围，从而能够准确地识别出虚假运单，并保障了用户的良好购物体验。
附图说明
图1为根据本发明实施例1的虚假运单的识别方法的流程图。
图2为根据本发明实施例2的虚假运单的识别方法的部分流程图。
图3为根据本发明实施例2的虚假运单的识别方法中步骤S204的流程图。
图4为根据本发明实施例3的虚假运单的识别方法的流程图。
图5为根据本发明实施例4的虚假运单的识别方法的部分流程图。
图6为根据本发明实施例4的虚假运单的识别方法中步骤S404的流程图。
图7为根据本发明实施例5的合法派件范围的更新方法的流程图。
图8为根据本发明实施例5的合法派件范围的更新方法中步骤S504的流程图。
图9为根据本发明实施例6的电子设备的结构示意图。
图10为根据本发明实施例8的虚假运单的识别系统的模块示意图。
图11为根据本发明实施例9的虚假运单的识别系统的模块示意图。
图12为根据本发明实施例10的虚假运单的识别系统的模块示意图。
图13为根据本发明实施例11的虚假运单的识别系统的模块示意图。
图14为根据本发明实施例12的合法派件范围的更新系统的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种虚假运单的识别方法，参照图1，本实施例的识别方法包括：
S101、获取待识别运单的物流服务提供商、待识别运单对应的签收地址以及待识别运单所对应订单的收件地址；
S102、在物流服务提供商的派件网点中确定与收件地址对应的合法派件网点集合；
S103、判断签收地址是否落入合法派件网点集合中任意一项的合法派件范围内；
若是，则执行步骤S104；若否，则执行步骤S105；
S104、确定待识别运单不是虚假运单；
S105、确定待识别运单为虚假运单。
具体地，在本实施例中，对于待识别运单，将其物流提服务提供商记为A，将其对应的签收地址记为S，将其所对应订单的收件地址记为R，其中，签收地址S是在待识别运单的物流轨迹中显示订单货物最后被签收的地址，收件地址R是用户在下订单时所填写的用于收取订单货物的真实的、期望的地址。由于存在快递柜等代为签收的媒介，签收地址S可能不同于收件地址R。
在获取的物流服务提供商A、签收地址S以及收件地址R的基础上，在物流服务提供商A的所有派件网点中确定能够与收件地址R对应的派件网点B，其中，与收件地址R对应的派件网点B是指合法派件范围能够覆盖收件地址R的派件网点。由于不同派件网点的合法派件范围可能存在交叉的部分，收件地址R对应的派件网点的数量可能就不止一个，在本实施例中，将物流服务提供商A的所有派件网点中能够与收件地址R对应的所有派件网点(例如，B1、B2)记为合法派件网点集合Bset。
继而判断签收地址S是否落入派件网点B1或者B2的合法派件范围内。若判断为是，则可以推断签收地址S与收件地址R位于同一区位，确定待识别运单不是虚假运单，例如，收件地址R为某小区内的某一户人家，签收地址S为该小区内的某一快递柜，虽然签收地址S不同于收件地址R，但是均位于该小区内。若判断为否，则可以推断签收地址S与收件地址R位于不同区位，确定待识别运单是虚假运单，例如，收件地址R位于江苏省-南京市-鼓楼区，签收地址S位于四川省-成都市-温江区，显然，收件地址R对应的合法派件网点集合Bset的合法派件范围不可能覆盖到签收地址S。
在本实施例中，虚假运单的物流轨迹可能是实际存在过的某条物流轨迹，为了识别出该种虚假运单，本实施例基于确定的物流服务提供商以及用户填写的收件地址来推断合法派件网点集合，继而通过判断签收地址是否落入合法派件网点集合的合法派件范围内，来判断待识别运单是否是虚假运单，从而能够准确地将签收地址未落入合法派件网点集合的合法派件范围内的待识别运单确定为虚假运单，能够保障用户的良好购物体验。
实施例2
在实施例1的基础上，本实施例提供一种虚假运单的识别方法，较之实施例1，本实施例的识别方法在步骤S103之前还包括更新物流服务提供商的派件网点的合法派件范围的步骤，参照图2，更新物流服务提供商的派件网点的合法派件范围的步骤具体可以包括：
S201、获取派件网点对应的合法派件范围以及历史派件轨迹；
S202、获取历史派件轨迹对应的历史签收地址；
S203、获取派件网点对应的派件网点区位以及历史签收地址对应的签收地址区位；
S204、判断派件网点区位与签收地址区位是否相同或相邻；
若否，则执行步骤S205；
S205、确定合法派件范围中包括签收地址区位的区位为非法签收区位；
S206、从合法派件范围中删除非法签收区位以更新合法派件范围。
具体地，在本实施例中，派件轨迹是物流轨迹的一部分，同时作为判断对象的派件网点区位与签收地址区位的粒度级别相同，其中，粒度级别既可以是自定义的区位级别，也可以是标准的区位级别，例如，省级区位粒度、市级区位粒度、区县级区位粒度等。
参照图3，步骤S204具体可以包括：
S2041、在第一粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；
若是，则执行步骤S2042；若否，则执行步骤S2043；
S2042、在第二粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；
若否，则执行步骤S2043；
S2043、确定派件网点区位与签收地址区位既不相同也不相邻。
在本实施例中，第一粒度级别包括第二粒度级别，也即，第一粒度级别是第二粒度级别的上级粒度级别，例如，第一粒度级别是省级区位粒度时，第二粒度级别可以是市级区位粒度。
在本实施例中，结合省级区位粒度、市级区位粒度以及区县级区位粒度来具体说明上述更新物流服务提供商的派件网点的合法派件范围的步骤，其中，涉及到的数据结构有：
Zone：区位类型，用于记录与当前对象相关的省、市、区县信息，主要包含以下核心属性：
prov_code：省级行政区位编码；
city_code：市级行政区位编码；
dist_code：区县级行政区位编码；
Trajectory：派件轨迹类型，记录快递包裹从派件到签收的轨迹信息，主要包含以下核心属性：
sign_zone：类型为zone，表示快递包裹的签收地址区位；
courier_code：派件快递公司编码；
branch_code：派件网点编码；
Branch：派件网点类型，记录派件网点相关的区位、历史派件轨迹信息，主要包含以下核心属性：
branch_code：派件网点编码；
branch_zone：类型为zone，表示派件网点所在区位；
trajectory_list：当前派件网点的历史派件记录列表，其中的每一个对象均为trajectory类型，在本实施例中，可以选取当前派件网点在过去30天内的历史派件记录保存备用；
delivery_list：当前派件网点的合法派件范围，在本实施例中，合法派件范围可以表示为包括若干合法派件区位的列表，其中的每一个元素均为zone类型；
Courier：物流服务提供商类型，记录当前电商平台接入的物流服务提供商信息、下辖派件网点信息，主要包含以下核心属性：
courier_code：物流服务提供商编码
cranch_list：当前物流服务提供商下辖的派件网点列表，其中的每一个元素均为branch类型；
courier_list：接入电商平台的物流服务提供商列表，其中的每一个元素均为courier类型；
Prov_Graph：省级行政区邻接图，其为一个无向图结构，并且该图结构的具体定义如下：
prov_vertex_list：顶点集合，其中的每一个顶点对应一个省级行政区位编码，共计prov_num＝34个顶点；
prov_edge_list：边集合，如果两个省级行政区在地理上是相邻的，则在这两个省级行政区对应的顶点之间添加一条无向边；
prov_adj_matrix：邻接矩阵，用于存储无向图结构Prov_Graph，其中：
Figure BDA0002428618830000151
City_Graph：市级行政区距离图，其是一个无向、完全、带权图结构，该图结构的具体定义如下：
city_vertex_list：顶点集合，其中的每一个顶点对应一个城市的区位编码，共计city_num＝343个顶点；
city_edge_list：边集合，任意两个顶点之间均有无向边相连接，且边的权重对应两定点所对应城市之间的球面距离，其中，任意两城市p和q之间的球面距离distance(p,q)可以基于获取到的城市p和q的地理经纬度来计算；
city_adj_matrix：邻接矩阵，用于存储无向图结构City_Graph，其中：
city_adj_matrix[p][q]＝distance(p,q)
首先，在省级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在省级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的省级行政区位编码信息，列举如下：
branch的省级行政区位编码：
branch_prov_code＝branch.branch_zone.prov_code；
trajectory的省级行政区位编码：
trajectory_prov_code＝trajectory.sign_zone.prov_code。
再判断branch_prov_code与trajectory_prov_code是否完全相同。若完全相同，则确定在省级区位粒度下派件网点区位与签收地址区位相同，在省级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_prov_code与trajectory_prov_code在图结构Prov_Graph中是否相邻，若相邻，则确定在省级区位粒度下派件网点区位与签收地址区位相邻，在省级区位粒度下该历史派件轨迹不是虚假轨迹，若不相邻，则确定在省级区位粒度下派件网点区位与签收地址区位不相邻，在省级区位粒度下该历史派件轨迹是虚假轨迹。
其次，在市级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在市级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code。
再判断branch_city_code与trajectory_city_code是否完全相同。若完全相同，则确定在市级区位粒度下派件网点区位与签收地址区位相同，在市级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则基于图结构City_Graph对应的邻接矩阵city_adj_matrix，计算如下两个统计量备用：
全国城市间距离的算术平均值：
Figure BDA0002428618830000161
全国城市间距离的中位数：median_city_distance。
从邻接矩阵city_adj_matrix中获取branch_city_code对应的市级行政区位和trajectory_city_code对应的市级行政区位之间的距离，记为city_distance。
并根据全国城市间距离的算术平均值和全国城市间距离的中位数定义阈值：
city_distance_threshold＝max(average_city_distance,median_city_distance)
继而判断city_distance是否大于city_distance_threshold，若是，则确定在市级区位粒度下派件网点区位与签收地址区位不相邻，在市级区位粒度下该历史派件轨迹是虚假轨迹，若否，则确定在市级区位粒度下派件网点区位与签收地址区位相邻，在市级区位粒度下该历史派件轨迹不是虚假轨迹。
最后，在区县级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在区县级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级、区县级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code；
branch的区县级行政区位编码：
branch_dist_code＝branch.branch_zone.dist_code；
trajectory的区县级行政区位编码：
trajectory_dist_code＝trajectory.sign_zone.dist_code。
判断branch_dist_code与trajectory_dist_code是否完全相同。若完全相同，则确定在区县级区位粒度下派件网点区位与签收地址区位相同，在区县级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_city_code与trajectory_city_code是否完全相同。
基于对派件网点区位与签收地址区位既不相同也不相邻的判断结果，可以确定派件网点的合法派件范围中包括虚假轨迹对应的签收地址区位的区位为非法签收区域，需要从派件网点的合法派件范围中予以剔除，来更新合法派件范围。
本实施例基于派件网点的合法派件范围来识别虚假运单，其中，派件网点的合法派件范围基于派件网点所在区位与该派件网点对应的签收地址所在区位的能否匹配来识别非法签收区位以更新派件网点的合法派件范围，从而能够准确地识别出虚假运单，并保障了用户的良好购物体验。
实施例3
本实施例提供一种虚假运单的识别方法，参照图4，本实施例的识别方法包括：
S301、获取待识别运单对应的派件网点以及签收地址；
S302、判断签收地址是否落入派件网点的合法派件范围内；
若否，则执行步骤S303；
S303、确定待识别运单为虚假运单。
具体地，在本实施例中，对于待识别运单，基于其派件轨迹获取对应的派件网点与签收地址，通过判断签收地址是否落入派件网点的合法派件范围，来判断待识别运单是否为虚假运单，其中，待识别运单对应的签收地址为落入派件网点的合法派件范围，可以推断该待识别运单对应的派件轨迹为捏造出来的，从而，本实施例可以识别出捏造派件轨迹的虚假运单，能够保障用户的良好购物体验。
实施例4
在实施例3的基础上，本实施例提供一种虚假运单的识别方法，较之实施例3，本实施例的识别方法在步骤S302之前还包括更新物流服务提供商的派件网点的合法派件范围的步骤，参照图5，更新物流服务提供商的派件网点的合法派件范围的步骤具体可以包括：
S401、获取派件网点对应的合法派件范围以及历史派件轨迹；
S402、获取历史派件轨迹对应的历史签收地址；
S403、获取派件网点对应的派件网点区位以及历史签收地址对应的签收地址区位；
S404、判断派件网点区位与签收地址区位是否相同或相邻；
若否，则执行步骤S405；
S405、确定合法派件范围中包括签收地址区位的区位为非法签收区位；
S406、从合法派件范围中删除非法签收区位以更新合法派件范围。
具体地，在本实施例中，派件轨迹是物流轨迹的一部分，同时作为判断对象的派件网点区位与签收地址区位的粒度级别相同，其中，粒度级别既可以是自定义的区位级别，也可以是标准的区位级别，例如，省级区位粒度、市级区位粒度、区县级区位粒度等。
参照图6，步骤S404具体可以包括：
S4041、在第一粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；
若是，则执行步骤S4042；若否，则执行步骤S4043；
S4042、在第二粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；
若否，则执行步骤S4043；
S4043、确定派件网点区位与签收地址区位既不相同也不相邻。
在本实施例中，第一粒度级别包括第二粒度级别，也即，第一粒度级别是第二粒度级别的上级粒度级别，例如，第一粒度级别是省级区位粒度时，第二粒度级别可以是市级区位粒度。
在本实施例中，结合省级区位粒度、市级区位粒度以及区县级区位粒度来具体说明上述更新物流服务提供商的派件网点的合法派件范围的步骤，其中，涉及到的数据结构有：
Zone：区位类型，用于记录与当前对象相关的省、市、区县信息，主要包含以下核心属性：
prov_code：省级行政区位编码；
city_code：市级行政区位编码；
dist_code：区县级行政区位编码；
Trajectory：派件轨迹类型，记录快递包裹从派件到签收的轨迹信息，主要包含以下核心属性：
sign_zone：类型为zone，表示快递包裹的签收地址区位；
courier_code：派件快递公司编码；
branch_code：派件网点编码；
Branch：派件网点类型，记录派件网点相关的区位、历史派件轨迹信息，主要包含以下核心属性：
branch_code：派件网点编码；
branch_zone：类型为zone，表示派件网点所在区位；
trajectory_list：当前派件网点的历史派件记录列表，其中的每一个对象均为trajectory类型，在本实施例中，可以选取当前派件网点在过去30天内的历史派件记录保存备用；
delivery_list：当前派件网点的合法派件范围，在本实施例中，合法派件范围可以表示为包括若干合法派件区位的列表，其中的每一个元素均为zone类型；
Courier：物流服务提供商类型，记录当前电商平台接入的物流服务提供商信息、下辖派件网点信息，主要包含以下核心属性：
courier_code：物流服务提供商编码
cranch_list：当前物流服务提供商下辖的派件网点列表，其中的每一个元素均为branch类型；
courier_list：接入电商平台的物流服务提供商列表，其中的每一个元素均为courier类型；
Prov_Graph：省级行政区邻接图，其为一个无向图结构，并且该图结构的具体定义如下：
prov_vertex_list：顶点集合，其中的每一个顶点对应一个省级行政区位编码，共计prov_num＝34个顶点；
prov_edge_list：边集合，如果两个省级行政区在地理上是相邻的，则在这两个省级行政区对应的顶点之间添加一条无向边；
prov_adj_matrix：邻接矩阵，用于存储无向图结构Prov_Graph，其中：
Figure BDA0002428618830000201
City_Graph：市级行政区距离图，其是一个无向、完全、带权图结构，该图结构的具体定义如下：
city_vertex_list：顶点集合，其中的每一个顶点对应一个城市的区位编码，共计city_num＝343个顶点；
city_edge_list：边集合，任意两个顶点之间均有无向边相连接，且边的权重对应两定点所对应城市之间的球面距离，其中，任意两城市p和q之间的球面距离distance(p,q)可以基于获取到的城市p和q的地理经纬度来计算；
city_adj_matrix：邻接矩阵，用于存储无向图结构City_Graph，其中：
city_adj_matrix[p][q]＝distance(p,q)
首先，在省级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在省级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的省级行政区位编码信息，列举如下：
branch的省级行政区位编码：
branch_prov_code＝branch.branch_zone.prov_code；
trajectory的省级行政区位编码：
trajectory_prov_code＝trajectory.sign_zone.prov_code。
再判断branch_prov_code与trajectory_prov_code是否完全相同。若完全相同，则确定在省级区位粒度下派件网点区位与签收地址区位相同，在省级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_prov_code与trajectory_prov_code在图结构Prov_Graph中是否相邻，若相邻，则确定在省级区位粒度下派件网点区位与签收地址区位相邻，在省级区位粒度下该历史派件轨迹不是虚假轨迹，若不相邻，则确定在省级区位粒度下派件网点区位与签收地址区位不相邻，在省级区位粒度下该历史派件轨迹是虚假轨迹。
其次，在市级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在市级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code。
再判断branch_city_code与trajectory_city_code是否完全相同。若完全相同，则确定在市级区位粒度下派件网点区位与签收地址区位相同，在市级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则基于图结构City_Graph对应的邻接矩阵city_adj_matrix，计算如下两个统计量备用：
全国城市间距离的算术平均值：
Figure BDA0002428618830000221
全国城市间距离的中位数：median_city_distance。
从邻接矩阵city_adj_matrix中获取branch_city_code对应的市级行政区位和trajectory_city_code对应的市级行政区位之间的距离，记为city_distance。
并根据全国城市间距离的算术平均值和全国城市间距离的中位数定义阈值：
city_distance_threshold＝max(average_city_distance,median_city_distance)
继而判断city_distance是否大于city_distance_threshold，若是，则确定在市级区位粒度下派件网点区位与签收地址区位不相邻，在市级区位粒度下该历史派件轨迹是虚假轨迹，若否，则确定在市级区位粒度下派件网点区位与签收地址区位相邻，在市级区位粒度下该历史派件轨迹不是虚假轨迹。
最后，在区县级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在区县级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级、区县级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code；
branch的区县级行政区位编码：
branch_dist_code＝branch.branch_zone.dist_code；
trajectory的区县级行政区位编码：
trajectory_dist_code＝trajectory.sign_zone.dist_code。
判断branch_dist_code与trajectory_dist_code是否完全相同。若完全相同，则确定在区县级区位粒度下派件网点区位与签收地址区位相同，在区县级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_city_code与trajectory_city_code是否完全相同。
基于对派件网点区位与签收地址区位既不相同也不相邻的判断结果，可以确定派件网点的合法派件范围中包括虚假轨迹对应的签收地址区位的区位为非法签收区域，需要从派件网点的合法派件范围中予以剔除，来更新合法派件范围。
本实施例基于派件网点的合法派件范围来识别虚假运单，其中，派件网点的合法派件范围基于派件网点所在区位与该派件网点对应的签收地址所在区位的能否匹配来识别非法签收区位以更新派件网点的合法派件范围，从而能够准确地识别出虚假运单，并保障了用户的良好购物体验。
实施例5
本实施例提供一种合法派件范围的更新方法，参照图7，本实施例的更新方法包括：
S501、获取派件网点对应的合法派件范围以及历史派件轨迹；
S502、获取历史派件轨迹对应的历史签收地址；
S503、获取派件网点对应的派件网点区位以及历史签收地址对应的签收地址区位；
S504、判断派件网点区位与签收地址区位是否相同或相邻；
若否，则执行步骤S505；
S505、确定合法派件范围中包括签收地址区位的区位为非法签收区位；
S506、从合法派件范围中删除非法签收区位以更新合法派件范围。
具体地，在本实施例中，派件轨迹是物流轨迹的一部分，同时作为判断对象的派件网点区位与签收地址区位的粒度级别相同，其中，粒度级别既可以是自定义的区位级别，也可以是标准的区位级别，例如，省级区位粒度、市级区位粒度、区县级区位粒度等。
参照图8，步骤S504具体可以包括：
S5041、在第一粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；
若是，则执行步骤S5042；若否，则执行步骤S5043；
S5042、在第二粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；
若否，则执行步骤S5043；
S5043、确定派件网点区位与签收地址区位既不相同也不相邻。
在本实施例中，第一粒度级别包括第二粒度级别，也即，第一粒度级别是第二粒度级别的上级粒度级别，例如，第一粒度级别是省级区位粒度时，第二粒度级别可以是市级区位粒度。
在本实施例中，结合省级区位粒度、市级区位粒度以及区县级区位粒度来具体说明上述更新物流服务提供商的派件网点的合法派件范围的步骤，其中，涉及到的数据结构有：
Zone：区位类型，用于记录与当前对象相关的省、市、区县信息，主要包含以下核心属性：
prov_code：省级行政区位编码；
city_code：市级行政区位编码；
dist_code：区县级行政区位编码；
Trajectory：派件轨迹类型，记录快递包裹从派件到签收的轨迹信息，主要包含以下核心属性：
sign_zone：类型为zone，表示快递包裹的签收地址区位；
courier_code：派件快递公司编码；
branch_code：派件网点编码；
Branch：派件网点类型，记录派件网点相关的区位、历史派件轨迹信息，主要包含以下核心属性：
branch_code：派件网点编码；
branch_zone：类型为zone，表示派件网点所在区位；
trajectory_list：当前派件网点的历史派件记录列表，其中的每一个对象均为trajectory类型，在本实施例中，可以选取当前派件网点在过去30天内的历史派件记录保存备用；
delivery_list：当前派件网点的合法派件范围，在本实施例中，合法派件范围可以表示为包括若干合法派件区位的列表，其中的每一个元素均为zone类型；
Courier：物流服务提供商类型，记录当前电商平台接入的物流服务提供商信息、下辖派件网点信息，主要包含以下核心属性：
courier_code：物流服务提供商编码
cranch_list：当前物流服务提供商下辖的派件网点列表，其中的每一个元素均为branch类型；
courier_list：接入电商平台的物流服务提供商列表，其中的每一个元素均为courier类型；
Prov_Graph：省级行政区邻接图，其为一个无向图结构，并且该图结构的具体定义如下：
prov_vertex_list：顶点集合，其中的每一个顶点对应一个省级行政区位编码，共计prov_num＝34个顶点；
prov_edge_list：边集合，如果两个省级行政区在地理上是相邻的，则在这两个省级行政区对应的顶点之间添加一条无向边；
prov_adj_matrix：邻接矩阵，用于存储无向图结构Prov_Graph，其中：
Figure BDA0002428618830000261
City_Graph：市级行政区距离图，其是一个无向、完全、带权图结构，该图结构的具体定义如下：
city_vertex_list：顶点集合，其中的每一个顶点对应一个城市的区位编码，共计city_num＝343个顶点；
city_edge_list：边集合，任意两个顶点之间均有无向边相连接，且边的权重对应两定点所对应城市之间的球面距离，其中，任意两城市p和q之间的球面距离distance(p,q)可以基于获取到的城市p和q的地理经纬度来计算；
city_adj_matrix：邻接矩阵，用于存储无向图结构City_Graph，其中：
city_adj_matrix[p][q]＝distance(p,q)
首先，在省级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在省级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的省级行政区位编码信息，列举如下：
branch的省级行政区位编码：
branch_prov_code＝branch.branch_zone.prov_code；
trajectory的省级行政区位编码：
trajectory_prov_code＝trajectory.sign_zone.prov_code。
再判断branch_prov_code与trajectory_prov_code是否完全相同。若完全相同，则确定在省级区位粒度下派件网点区位与签收地址区位相同，在省级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_prov_code与trajectory_prov_code在图结构Prov_Graph中是否相邻，若相邻，则确定在省级区位粒度下派件网点区位与签收地址区位相邻，在省级区位粒度下该历史派件轨迹不是虚假轨迹，若不相邻，则确定在省级区位粒度下派件网点区位与签收地址区位不相邻，在省级区位粒度下该历史派件轨迹是虚假轨迹。
其次，在市级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在市级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code。
再判断branch_city_code与trajectory_city_code是否完全相同。若完全相同，则确定在市级区位粒度下派件网点区位与签收地址区位相同，在市级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则基于图结构City_Graph对应的邻接矩阵city_adj_matrix，计算如下两个统计量备用：
全国城市间距离的算术平均值：
Figure BDA0002428618830000271
全国城市间距离的中位数：median_city_distance。
从邻接矩阵city_adj_matrix中获取branch_city_code对应的市级行政区位和trajectory_city_code对应的市级行政区位之间的距离，记为city_distance。
并根据全国城市间距离的算术平均值和全国城市间距离的中位数定义阈值：
city_distance_threshold＝max(average_city_distance,median_city_distance)
继而判断city_distance是否大于city_distance_threshold，若是，则确定在市级区位粒度下派件网点区位与签收地址区位不相邻，在市级区位粒度下该历史派件轨迹是虚假轨迹，若否，则确定在市级区位粒度下派件网点区位与签收地址区位相邻，在市级区位粒度下该历史派件轨迹不是虚假轨迹。
最后，在区县级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在区县级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级、区县级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code；
branch的区县级行政区位编码：
branch_dist_code＝branch.branch_zone.dist_code；
trajectory的区县级行政区位编码：
trajectory_dist_code＝trajectory.sign_zone.dist_code。
判断branch_dist_code与trajectory_dist_code是否完全相同。若完全相同，则确定在区县级区位粒度下派件网点区位与签收地址区位相同，在区县级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_city_code与trajectory_city_code是否完全相同。
基于对派件网点区位与签收地址区位既不相同也不相邻的判断结果，可以确定派件网点的合法派件范围中包括虚假轨迹对应的签收地址区位的区位为非法签收区域，需要从派件网点的合法派件范围中予以剔除，来更新合法派件范围，有利于提升利用合法派件范围识别虚假运单的准确度。
实施例6
本实施例提供一种电子设备，电子设备可以通过计算设备的形式表现(例如可以为服务器设备)，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中处理器执行计算机程序时可以实现实施例1-4中任一实施例提供的虚假运单的识别方法，或者可以实现实施例5提供的合法派件范围的更新方法。
图9示出了本实施例的硬件结构示意图，如图9所示，电子设备9具体包括：
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93，其中：
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器，例如随机存取存储器(RAM)921和/或高速缓存存储器922，还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925，这样的程序模块924包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1-4中任一实施例提供的虚假运单的识别方法，或者可以实现实施例5提供的合法派件范围的更新方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且，电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备9使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例7
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1-4中任一实施例提供的虚假运单的识别方法的步骤，或者可以实现实施例5提供的合法派件范围的更新方法的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1-4中任一实施例提供的虚假运单的识别方法的步骤，或者可以实现实施例5提供的合法派件范围的更新方法的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
实施例8
本实施例提供一种虚假运单的识别系统，参照图10，本实施例的识别系统包括：
获取模块801，用于获取待识别运单的物流服务提供商、待识别运单对应的签收地址以及待识别运单所对应订单的收件地址；
推送模块802，用于在物流服务提供商的派件网点中确定与收件地址对应的合法派件网点集合；
判断模块803，用于判断签收地址是否落入合法派件网点集合中任意一项的合法派件范围内；
若是，则调用第一确定模块804，用于确定待识别运单不是虚假运单；
若否，则调用第二确定模块805，用于确定待识别运单为虚假运单。
具体地，在本实施例中，对于待识别运单，将其物流提服务提供商记为A，将其对应的签收地址记为S，将其所对应订单的收件地址记为R，其中，签收地址S是在待识别运单的物流轨迹中显示订单货物最后被签收的地址，收件地址R是用户在下订单时所填写的用于收取订单货物的真实的、期望的地址。由于存在快递柜等代为签收的媒介，签收地址S可能不同于收件地址R。
在获取的物流服务提供商A、签收地址S以及收件地址R的基础上，在物流服务提供商A的所有派件网点中确定能够与收件地址R对应的派件网点B，其中，与收件地址R对应的派件网点B是指合法派件范围能够覆盖收件地址R的派件网点。由于不同派件网点的合法派件范围可能存在交叉的部分，收件地址R对应的派件网点的数量可能就不止一个，在本实施例中，将物流服务提供商A的所有派件网点中能够与收件地址R对应的所有派件网点(例如，B1、B2)记为合法派件网点集合Bset。
继而判断签收地址S是否落入派件网点B1或者B2的合法派件范围内。若判断为是，则可以推断签收地址S与收件地址R位于同一区位，确定待识别运单不是虚假运单，例如，收件地址R为某小区内的某一户人家，签收地址S为该小区内的某一快递柜，虽然签收地址S不同于收件地址R，但是均位于该小区内。若判断为否，则可以推断签收地址S与收件地址R位于不同区位，确定待识别运单是虚假运单，例如，收件地址R位于江苏省-南京市-鼓楼区，签收地址S位于四川省-成都市-温江区，显然，收件地址R对应的合法派件网点集合Bset的合法派件范围不可能覆盖到签收地址S。
在本实施例中，虚假运单的物流轨迹可能是实际存在过的某条物流轨迹，为了识别出该种虚假运单，本实施例基于确定的物流服务提供商以及用户填写的收件地址来推断合法派件网点集合，继而通过判断签收地址是否落入合法派件网点集合的合法派件范围内，来判断待识别运单是否是虚假运单，从而能够准确地将签收地址未落入合法派件网点集合的合法派件范围内的待识别运单确定为虚假运单，能够保障用户的良好购物体验。
实施例9
在实施例8的基础上，本实施例提供一种虚假运单的识别系统，较之实施例8，本实施例的识别识别系统还包括更新模块，参照图11，更新模块806具体可以包括：
第一获取单元8061，用于获取派件网点对应的合法派件范围以及历史派件轨迹；
第二获取单元8062，用于获取历史派件轨迹对应的历史签收地址；
第三获取单元8063，用于获取派件网点对应的派件网点区位以及历史签收地址对应的签收地址区位；
判断单元8064，用于判断派件网点区位与签收地址区位是否相同或相邻；
若否，则调用确定单元8065，用于确定合法派件范围中包括签收地址区位的区位为非法签收区位；
更新单元8066，用于从合法派件范围中删除非法签收区位以更新合法派件范围。
具体地，在本实施例中，派件轨迹是物流轨迹的一部分，同时作为判断对象的派件网点区位与签收地址区位的粒度级别相同，其中，粒度级别既可以是自定义的区位级别，也可以是标准的区位级别，例如，省级区位粒度、市级区位粒度、区县级区位粒度等。
参照图11，判断单元8064具体可以包括：
第一判断子单元80641，用于在第一粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；若是，则调用第二判断子单元80642；若否，则调用确定单元8065。
第二判断子单元80642，用于在第二粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；若否，则调用确定单元8065。
在本实施例中，第一粒度级别包括第二粒度级别，也即，第一粒度级别是第二粒度级别的上级粒度级别，例如，第一粒度级别是省级区位粒度时，第二粒度级别可以是市级区位粒度。
在本实施例中，结合省级区位粒度、市级区位粒度以及区县级区位粒度来具体说明上述更新物流服务提供商的派件网点的合法派件范围的步骤，其中，涉及到的数据结构有：
Zone：区位类型，用于记录与当前对象相关的省、市、区县信息，主要包含以下核心属性：
prov_code：省级行政区位编码；
city_code：市级行政区位编码；
dist_code：区县级行政区位编码；
Trajectory：派件轨迹类型，记录快递包裹从派件到签收的轨迹信息，主要包含以下核心属性：
sign_zone：类型为zone，表示快递包裹的签收地址区位；
courier_code：派件快递公司编码；
branch_code：派件网点编码；
Branch：派件网点类型，记录派件网点相关的区位、历史派件轨迹信息，主要包含以下核心属性：
branch_code：派件网点编码；
branch_zone：类型为zone，表示派件网点所在区位；
trajectory_list：当前派件网点的历史派件记录列表，其中的每一个对象均为trajectory类型，在本实施例中，可以选取当前派件网点在过去30天内的历史派件记录保存备用；
delivery_list：当前派件网点的合法派件范围，在本实施例中，合法派件范围可以表示为包括若干合法派件区位的列表，其中的每一个元素均为zone类型；
Courier：物流服务提供商类型，记录当前电商平台接入的物流服务提供商信息、下辖派件网点信息，主要包含以下核心属性：
courier_code：物流服务提供商编码
cranch_list：当前物流服务提供商下辖的派件网点列表，其中的每一个元素均为branch类型；
courier_list：接入电商平台的物流服务提供商列表，其中的每一个元素均为courier类型；
Prov_Graph：省级行政区邻接图，其为一个无向图结构，并且该图结构的具体定义如下：
prov_vertex_list：顶点集合，其中的每一个顶点对应一个省级行政区位编码，共计prov_num＝34个顶点；
prov_edge_list：边集合，如果两个省级行政区在地理上是相邻的，则在这两个省级行政区对应的顶点之间添加一条无向边；
prov_adj_matrix：邻接矩阵，用于存储无向图结构Prov_Graph，其中：
Figure BDA0002428618830000341
City_Graph：市级行政区距离图，其是一个无向、完全、带权图结构，该图结构的具体定义如下：
city_vertex_list：顶点集合，其中的每一个顶点对应一个城市的区位编码，共计city_num＝343个顶点；
city_edge_list：边集合，任意两个顶点之间均有无向边相连接，且边的权重对应两定点所对应城市之间的球面距离，其中，任意两城市p和q之间的球面距离distance(p,q)可以基于获取到的城市p和q的地理经纬度来计算；
city_adj_matrix：邻接矩阵，用于存储无向图结构City_Graph，其中：
city_adj_matrix[p][q]＝distance(p,q)
首先，在省级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在省级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的省级行政区位编码信息，列举如下：
branch的省级行政区位编码：
branch_prov_code＝branch.branch_zone.prov_code；
trajectory的省级行政区位编码：
trajectory_prov_code＝trajectory.sign_zone.prov_code。
再判断branch_prov_code与trajectory_prov_code是否完全相同。若完全相同，则确定在省级区位粒度下派件网点区位与签收地址区位相同，在省级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_prov_code与trajectory_prov_code在图结构Prov_Graph中是否相邻，若相邻，则确定在省级区位粒度下派件网点区位与签收地址区位相邻，在省级区位粒度下该历史派件轨迹不是虚假轨迹，若不相邻，则确定在省级区位粒度下派件网点区位与签收地址区位不相邻，在省级区位粒度下该历史派件轨迹是虚假轨迹。
其次，在市级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在市级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code。
再判断branch_city_code与trajectory_city_code是否完全相同。若完全相同，则确定在市级区位粒度下派件网点区位与签收地址区位相同，在市级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则基于图结构City_Graph对应的邻接矩阵city_adj_matrix，计算如下两个统计量备用：
全国城市间距离的算术平均值：
Figure BDA0002428618830000361
全国城市间距离的中位数：median_city_distance。
从邻接矩阵city_adj_matrix中获取branch_city_code对应的市级行政区位和trajectory_city_code对应的市级行政区位之间的距离，记为city_distance。
根据全国城市间距离的算术平均值和全国城市间距离的中位数定义阈值：
city_distance_threshold＝max(average_city_distance,median_city_distance)
继而判断city_distance是否大于city_distance_threshold，若是，则确定在市级区位粒度下派件网点区位与签收地址区位不相邻，在市级区位粒度下该历史派件轨迹是虚假轨迹，若否，则确定在市级区位粒度下派件网点区位与签收地址区位相邻，在市级区位粒度下该历史派件轨迹不是虚假轨迹。
最后，在区县级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在区县级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级、区县级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code；
branch的区县级行政区位编码：
branch_dist_code＝branch.branch_zone.dist_code；
trajectory的区县级行政区位编码：
trajectory_dist_code＝trajectory.sign_zone.dist_code。
判断branch_dist_code与trajectory_dist_code是否完全相同。若完全相同，则确定在区县级区位粒度下派件网点区位与签收地址区位相同，在区县级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_city_code与trajectory_city_code是否完全相同。
基于对派件网点区位与签收地址区位既不相同也不相邻的判断结果，可以确定派件网点的合法派件范围中包括虚假轨迹对应的签收地址区位的区位为非法签收区域，需要从派件网点的合法派件范围中予以剔除，来更新合法派件范围。
本实施例基于派件网点的合法派件范围来识别虚假运单，其中，派件网点的合法派件范围基于派件网点所在区位与该派件网点对应的签收地址所在区位的能否匹配来识别非法签收区位以更新派件网点的合法派件范围，从而能够准确地识别出虚假运单，并保障了用户的良好购物体验。
实施例10
本实施例提供一种虚假运单的识别系统，参照图12，本实施例的识别系统包括：
获取模块1001，用于获取待识别运单对应的派件网点以及签收地址；
判断模块1002，用于判断签收地址是否落入派件网点的合法派件范围内；
若否，则调用确定模块1003，用于确定待识别运单为虚假运单。
具体地，在本实施例中，对于待识别运单，基于其派件轨迹获取对应的派件网点与签收地址，通过判断签收地址是否落入派件网点的合法派件范围，来判断待识别运单是否为虚假运单，其中，待识别运单对应的签收地址为落入派件网点的合法派件范围，可以推断该待识别运单对应的派件轨迹为捏造出来的，从而，本实施例可以识别出捏造派件轨迹的虚假运单，能够保障用户的良好购物体验。
实施例11
在实施例10的基础上，本实施例提供一种虚假运单的识别系统，较之实施例10，本实施例的识别系统还包括更新模块，参照图13，更新模块1004具体可以包括：
第一获取单元1041，用于获取派件网点对应的合法派件范围以及历史派件轨迹；
第二获取单元1042，用于获取历史派件轨迹对应的历史签收地址；
第三获取单元1043，用于获取派件网点对应的派件网点区位以及历史签收地址对应的签收地址区位；
判断单元1044，用于判断派件网点区位与签收地址区位是否相同或相邻；
若否，则调用确定单元1045，用于确定合法派件范围中包括签收地址区位的区位为非法签收区位；
更新单元1046，用于从合法派件范围中删除非法签收区位以更新合法派件范围。
具体地，在本实施例中，派件轨迹是物流轨迹的一部分，同时作为判断对象的派件网点区位与签收地址区位的粒度级别相同，其中，粒度级别既可以是自定义的区位级别，也可以是标准的区位级别，例如，省级区位粒度、市级区位粒度、区县级区位粒度等。
参照图13，判断单元1044具体可以包括：
第一判断子单元10441，用于在第一粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；
若是，则调用第二判断子单元10442；若否，则调用确定单元1045；
第二判断子单元10442，用于在第二粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；
若否，则调用确定单元1045。
在本实施例中，第一粒度级别包括第二粒度级别，也即，第一粒度级别是第二粒度级别的上级粒度级别，例如，第一粒度级别是省级区位粒度时，第二粒度级别可以是市级区位粒度。
在本实施例中，结合省级区位粒度、市级区位粒度以及区县级区位粒度来具体说明上述更新物流服务提供商的派件网点的合法派件范围的步骤，其中，涉及到的数据结构有：
Zone：区位类型，用于记录与当前对象相关的省、市、区县信息，主要包含以下核心属性：
prov_code：省级行政区位编码；
city_code：市级行政区位编码；
dist_code：区县级行政区位编码；
Trajectory：派件轨迹类型，记录快递包裹从派件到签收的轨迹信息，主要包含以下核心属性：
sign_zone：类型为zone，表示快递包裹的签收地址区位；
courier_code：派件快递公司编码；
branch_code：派件网点编码；
Branch：派件网点类型，记录派件网点相关的区位、历史派件轨迹信息，主要包含以下核心属性：
branch_code：派件网点编码；
branch_zone：类型为zone，表示派件网点所在区位；
trajectory_list：当前派件网点的历史派件记录列表，其中的每一个对象均为trajectory类型，在本实施例中，可以选取当前派件网点在过去30天内的历史派件记录保存备用；
delivery_list：当前派件网点的合法派件范围，在本实施例中，合法派件范围可以表示为包括若干合法派件区位的列表，其中的每一个元素均为zone类型；
Courier：物流服务提供商类型，记录当前电商平台接入的物流服务提供商信息、下辖派件网点信息，主要包含以下核心属性：
courier_code：物流服务提供商编码
cranch_list：当前物流服务提供商下辖的派件网点列表，其中的每一个元素均为branch类型；
courier_list：接入电商平台的物流服务提供商列表，其中的每一个元素均为courier类型；
Prov_Graph：省级行政区邻接图，其为一个无向图结构，并且该图结构的具体定义如下：
prov_vertex_list：顶点集合，其中的每一个顶点对应一个省级行政区位编码，共计prov_num＝34个顶点；
prov_edge_list：边集合，如果两个省级行政区在地理上是相邻的，则在这两个省级行政区对应的顶点之间添加一条无向边；
prov_adj_matrix：邻接矩阵，用于存储无向图结构Prov_Graph，其中：
Figure BDA0002428618830000401
City_Graph：市级行政区距离图，其是一个无向、完全、带权图结构，该图结构的具体定义如下：
city_vertex_list：顶点集合，其中的每一个顶点对应一个城市的区位编码，共计city_num＝343个顶点；
city_edge_list：边集合，任意两个顶点之间均有无向边相连接，且边的权重对应两定点所对应城市之间的球面距离，其中，任意两城市p和q之间的球面距离distance(p,q)可以基于获取到的城市p和q的地理经纬度来计算；
city_adj_matrix：邻接矩阵，用于存储无向图结构City_Graph，其中：
city_adj_matrix[p][q]＝distance(p,q)
首先，在省级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在省级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的省级行政区位编码信息，列举如下：
branch的省级行政区位编码：
branch_prov_code＝branch.branch_zone.prov_code；
trajectory的省级行政区位编码：
trajectory_prov_code＝trajectory.sign_zone.prov_code。
再判断branch_prov_code与trajectory_prov_code是否完全相同。若完全相同，则确定在省级区位粒度下派件网点区位与签收地址区位相同，在省级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_prov_code与trajectory_prov_code在图结构Prov_Graph中是否相邻，若相邻，则确定在省级区位粒度下派件网点区位与签收地址区位相邻，在省级区位粒度下该历史派件轨迹不是虚假轨迹，若不相邻，则确定在省级区位粒度下派件网点区位与签收地址区位不相邻，在省级区位粒度下该历史派件轨迹是虚假轨迹。
其次，在市级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在市级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code。
再判断branch_city_code与trajectory_city_code是否完全相同。若完全相同，则确定在市级区位粒度下派件网点区位与签收地址区位相同，在市级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则基于图结构City_Graph对应的邻接矩阵city_adj_matrix，计算如下两个统计量备用：
全国城市间距离的算术平均值：
Figure BDA0002428618830000421
全国城市间距离的中位数：median_city_distance。
从邻接矩阵city_adj_matrix中获取branch_city_code对应的市级行政区位和trajectory_city_code对应的市级行政区位之间的距离，记为city_distance。
并根据全国城市间距离的算术平均值和全国城市间距离的中位数定义阈值：
city_distance_threshold＝max(average_city_distance,median_city_distance)
继而判断city_distance是否大于city_distance_threshold，若是，则确定在市级区位粒度下派件网点区位与签收地址区位不相邻，在市级区位粒度下该历史派件轨迹是虚假轨迹，若否，则确定在市级区位粒度下派件网点区位与签收地址区位相邻，在市级区位粒度下该历史派件轨迹不是虚假轨迹。
最后，在区县级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在区县级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级、区县级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code；
branch的区县级行政区位编码：
branch_dist_code＝branch.branch_zone.dist_code；
trajectory的区县级行政区位编码：
trajectory_dist_code＝trajectory.sign_zone.dist_code。
判断branch_dist_code与trajectory_dist_code是否完全相同。若完全相同，则确定在区县级区位粒度下派件网点区位与签收地址区位相同，在区县级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_city_code与trajectory_city_code是否完全相同。
基于对派件网点区位与签收地址区位既不相同也不相邻的判断结果，可以确定派件网点的合法派件范围中包括虚假轨迹对应的签收地址区位的区位为非法签收区域，需要从派件网点的合法派件范围中予以剔除，来更新合法派件范围。
本实施例基于派件网点的合法派件范围来识别虚假运单，其中，派件网点的合法派件范围基于派件网点所在区位与该派件网点对应的签收地址所在区位的能否匹配来识别非法签收区位以更新派件网点的合法派件范围，从而能够准确地识别出虚假运单，并保障了用户的良好购物体验。
实施例12
本实施例提供一种合法派件范围的更新系统，参照图14，本实施例的更新系统包括：
第一获取模块121，用于获取派件网点对应的合法派件范围以及历史派件轨迹；
第二获取模块122，用于获取历史派件轨迹对应的历史签收地址；
第三获取模块123，用于获取派件网点对应的派件网点区位以及历史签收地址对应的签收地址区位；
判断模块124，用于判断派件网点区位与签收地址区位是否相同或相邻；
若否，则调用确定模块125，用于确定合法派件范围中包括签收地址区位的区位为非法签收区位；
更新模块126，用于从合法派件范围中删除非法签收区位以更新合法派件范围。
具体地，在本实施例中，派件轨迹是物流轨迹的一部分，同时作为判断对象的派件网点区位与签收地址区位的粒度级别相同，其中，粒度级别既可以是自定义的区位级别，也可以是标准的区位级别，例如，省级区位粒度、市级区位粒度、区县级区位粒度等。
参照图14，判断模块124具体可以包括：
第一判断单元1241，用于在第一粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；
若是，则调用第二判断单元1242；若否，则调用确定模块125；
第二判断单元1242，用于在第二粒度级别下判断派件网点区位与签收地址区位是否相同或相邻；
若否，则调用确定模块125。
在本实施例中，第一粒度级别包括第二粒度级别，也即，第一粒度级别是第二粒度级别的上级粒度级别，例如，第一粒度级别是省级区位粒度时，第二粒度级别可以是市级区位粒度。
在本实施例中，结合省级区位粒度、市级区位粒度以及区县级区位粒度来具体说明上述更新物流服务提供商的派件网点的合法派件范围的步骤，其中，涉及到的数据结构有：
Zone：区位类型，用于记录与当前对象相关的省、市、区县信息，主要包含以下核心属性：
prov_code：省级行政区位编码；
city_code：市级行政区位编码；
dist_code：区县级行政区位编码；
Trajectory：派件轨迹类型，记录快递包裹从派件到签收的轨迹信息，主要包含以下核心属性：
sign_zone：类型为zone，表示快递包裹的签收地址区位；
courier_code：派件快递公司编码；
branch_code：派件网点编码；
Branch：派件网点类型，记录派件网点相关的区位、历史派件轨迹信息，主要包含以下核心属性：
branch_code：派件网点编码；
branch_zone：类型为zone，表示派件网点所在区位；
trajectory_list：当前派件网点的历史派件记录列表，其中的每一个对象均为trajectory类型，在本实施例中，可以选取当前派件网点在过去30天内的历史派件记录保存备用；
delivery_list：当前派件网点的合法派件范围，在本实施例中，合法派件范围可以表示为包括若干合法派件区位的列表，其中的每一个元素均为zone类型；
Courier：物流服务提供商类型，记录当前电商平台接入的物流服务提供商信息、下辖派件网点信息，主要包含以下核心属性：
courier_code：物流服务提供商编码
cranch_list：当前物流服务提供商下辖的派件网点列表，其中的每一个元素均为branch类型；
courier_list：接入电商平台的物流服务提供商列表，其中的每一个元素均为courier类型；
Prov_Graph：省级行政区邻接图，其为一个无向图结构，并且该图结构的具体定义如下：
prov_vertex_list：顶点集合，其中的每一个顶点对应一个省级行政区位编码，共计prov_num＝34个顶点；
prov_edge_list：边集合，如果两个省级行政区在地理上是相邻的，则在这两个省级行政区对应的顶点之间添加一条无向边；
prov_adj_matrix：邻接矩阵，用于存储无向图结构Prov_Graph，其中：
Figure BDA0002428618830000461
City_Graph：市级行政区距离图，其是一个无向、完全、带权图结构，该图结构的具体定义如下：
city_vertex_list：顶点集合，其中的每一个顶点对应一个城市的区位编码，共计city_num＝343个顶点；
city_edge_list：边集合，任意两个顶点之间均有无向边相连接，且边的权重对应两定点所对应城市之间的球面距离，其中，任意两城市p和q之间的球面距离distance(p,q)可以基于获取到的城市p和q的地理经纬度来计算；
city_adj_matrix：邻接矩阵，用于存储无向图结构City_Graph，其中：
city_adj_matrix[p][q]＝distance(p,q)
首先，在省级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在省级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的省级行政区位编码信息，列举如下：
branch的省级行政区位编码：
branch_prov_code＝branch.branch_zone.prov_code；
trajectory的省级行政区位编码：
trajectory_prov_code＝trajectory.sign_zone.prov_code。
再判断branch_prov_code与trajectory_prov_code是否完全相同。若完全相同，则确定在省级区位粒度下派件网点区位与签收地址区位相同，在省级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_prov_code与trajectory_prov_code在图结构Prov_Graph中是否相邻，若相邻，则确定在省级区位粒度下派件网点区位与签收地址区位相邻，在省级区位粒度下该历史派件轨迹不是虚假轨迹，若不相邻，则确定在省级区位粒度下派件网点区位与签收地址区位不相邻，在省级区位粒度下该历史派件轨迹是虚假轨迹。
其次，在市级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在市级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code。
再判断branch_city_code与trajectory_city_code是否完全相同。若完全相同，则确定在市级区位粒度下派件网点区位与签收地址区位相同，在市级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则基于图结构City_Graph对应的邻接矩阵city_adj_matrix，计算如下两个统计量备用：
全国城市间距离的算术平均值：
Figure BDA0002428618830000471
全国城市间距离的中位数：median_city_distance。
从邻接矩阵city_adj_matrix中获取branch_city_code对应的市级行政区位和trajectory_city_code对应的市级行政区位之间的距离，记为city_distance。
根据全国城市间距离的算术平均值和全国城市间距离的中位数定义阈值：
city_distance_threshold＝max(average_city_distance,median_city_distance)
继而判断city_distance是否大于city_distance_threshold，若是，则确定在市级区位粒度下派件网点区位与签收地址区位不相邻，在市级区位粒度下该历史派件轨迹是虚假轨迹，若否，则确定在市级区位粒度下派件网点区位与签收地址区位相邻，在市级区位粒度下该历史派件轨迹不是虚假轨迹。
最后，在区县级区位粒度下判断派件网点区位与签收地址区位之间的匹配关系，来确定在区县级区位粒度下派件网点区位与签收地址区位是否相同或相邻，进而确定该历史派件轨迹是否为虚假轨迹。
具体地，先初始化branch和trajectory的市级、区县级行政区位编码信息，列举如下：
branch的市级行政区位编码：
branch_city_code＝branch.branch_zone.city_code；
trajectory的市级行政区位编码：
trajectory_city_code＝trajectory.sign_zone.city_code；
branch的区县级行政区位编码：
branch_dist_code＝branch.branch_zone.dist_code；
trajectory的区县级行政区位编码：
trajectory_dist_code＝trajectory.sign_zone.dist_code。
判断branch_dist_code与trajectory_dist_code是否完全相同。若完全相同，则确定在区县级区位粒度下派件网点区位与签收地址区位相同，在区县级区位粒度下该历史派件轨迹不是虚假轨迹。若不完全相同，则进一步判断branch_city_code与trajectory_city_code是否完全相同。
基于对派件网点区位与签收地址区位既不相同也不相邻的判断结果，可以确定派件网点的合法派件范围中包括虚假轨迹对应的签收地址区位的区位为非法签收区域，需要从派件网点的合法派件范围中予以剔除，来更新合法派件范围，有利于提升利用合法派件范围识别虚假运单的准确度。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (25)

1.一种虚假运单的识别方法，其特征在于，包括：
获取待识别运单的物流服务提供商、所述待识别运单对应的签收地址以及所述待识别运单所对应订单的收件地址；
在所述物流服务提供商的派件网点中确定与所述收件地址对应的合法派件网点集合；
判断所述签收地址是否落入所述合法派件网点集合中任意一项的合法派件范围内；
若否，则确定所述待识别运单为虚假运单。
2.如权利要求1所述的虚假运单的识别方法，其特征在于，在所述判断所述签收地址是否落入所述合法派件网点集合中任意一项的合法派件范围内的步骤之前还包括：
更新所述物流服务提供商的派件网点的合法派件范围。
3.如权利要求2所述的虚假运单的识别方法，其特征在于，对于每一派件网点，所述更新所述物流服务提供商的派件网点的合法派件范围的步骤包括：
获取派件网点对应的合法派件范围以及历史派件轨迹；
获取所述历史派件轨迹对应的历史签收地址；
获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则确定所述合法派件范围中包括所述签收地址区位的区位为非法签收区位；
从所述合法派件范围中删除所述非法签收区位以更新所述合法派件范围。
4.如权利要求3所述的虚假运单的识别方法，其特征在于，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第一粒度级别下判断为是，则在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第二粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在第一粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
其中，所述第一粒度级别包括所述第二粒度级别。
5.如权利要求3所述的虚假运单的识别方法，其特征在于，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在省级区位粒度下不相同，则在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相邻；
若在省级区位粒度下不相邻，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在省级区位粒度下相同，则在市级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在市级区位粒度下不相同，则判断在市级区位粒度下所述派件网点区位与所述签收地址区位之间的区位距离是否大于距离阈值；
若大于所述距离阈值，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在市级区位粒度下相同，则在区县级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在区县级区位粒度下不相同，则在市级区位粒度下判断所述派件网点区位与所述历史签收区位是否相同；
若在市级区位粒度下判断为不相同，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻。
6.一种虚假运单的识别方法，其特征在于，包括：
获取待识别运单对应的派件网点以及签收地址；
判断所述签收地址是否落入所述派件网点的合法派件范围内；
若否，则确定所述待识别运单为虚假运单。
7.如权利要求6所述的虚假运单的识别方法，其特征在于，在所述判断所述签收地址是否落入所述派件网点的合法派件范围内的步骤之前还包括：
更新所述派件网点的合法派件范围。
8.如权利要求7所述的虚假运单的识别方法，其特征在于，所述更新所述派件网点的合法派件范围的步骤包括：
获取所述派件网点对应的合法派件范围以及历史派件轨迹；
获取所述历史派件轨迹对应的历史签收地址；
获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则确定所述合法派件范围中包括所述签收地址区位的区位为非法签收区位；
从所述合法派件范围中删除所述非法签收区位以更新所述合法派件范围。
9.如权利要求8所述的虚假运单的识别方法，其特征在于，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第一粒度级别下判断为是，则在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第二粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在第一粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
其中，所述第一粒度级别包括所述第二粒度级别。
10.如权利要求8所述的虚假运单的识别方法，其特征在于，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在省级区位粒度下不相同，则在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相邻；
若在省级区位粒度下不相邻，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在省级区位粒度下相同，则在市级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在市级区位粒度下不相同，则判断在市级区位粒度下所述派件网点区位与所述签收地址区位之间的区位距离是否大于距离阈值；
若大于所述距离阈值，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在市级区位粒度下相同，则在区县级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在区县级区位粒度下不相同，则在市级区位粒度下判断所述派件网点区位与所述历史签收区位是否相同；
若在市级区位粒度下判断为不相同，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻。
11.一种合法派件范围的更新方法，其特征在于，包括：
获取派件网点对应的派件范围以及历史派件轨迹；
获取所述历史派件轨迹对应的历史签收地址；
获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则确定所述派件范围中包括所述签收地址区位的区位为非法签收区位；
从所述派件范围中删除所述非法签收区位以更新所述派件范围。
12.如权利要求11所述的合法派件范围的更新方法，其特征在于，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第一粒度级别下判断为是，则在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若在第二粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在第一粒度级别下判断为否，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
其中，所述第一粒度级别包括所述第二粒度级别。
13.如权利要求11所述的合法派件范围的更新方法，其特征在于，所述判断所述派件网点区位与所述签收地址区位是否相同或相邻的步骤包括：
在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在省级区位粒度下不相同，则在省级区位粒度下判断所述派件网点区位与所述签收地址区位是否相邻；
若在省级区位粒度下不相邻，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在省级区位粒度下相同，则在市级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在市级区位粒度下不相同，则判断在市级区位粒度下所述派件网点区位与所述签收地址区位之间的区位距离是否大于距离阈值；
若大于所述距离阈值，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻；
若在市级区位粒度下相同，则在区县级区位粒度下判断所述派件网点区位与所述签收地址区位是否相同；
若在区县级区位粒度下不相同，则在市级区位粒度下判断所述派件网点区位与所述历史签收区位是否相同；
若在市级区位粒度下判断为不相同，则确定所述派件网点区位与所述签收地址区位既不相同也不相邻。
14.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的虚假运单的识别方法，或者实现如权利要求6-10中任一项所述的虚假运单的识别方法，或者实现如权利要求11-13中任一项所述的合法派件范围的更新方法。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的虚假运单的识别方法的步骤，或者实现如权利要求6-10中任一项所述的虚假运单的识别方法的步骤，或者实现如权利要求11-13中任一项所述的合法派件范围的更新方法的步骤。
16.一种虚假运单的识别系统，其特征在于，包括：
获取模块，用于获取待识别运单的物流服务提供商、所述待识别运单对应的签收地址以及所述待识别运单所对应订单的收件地址；
第一确定模块，用于在所述物流服务提供商的派件网点中确定与所述收件地址对应的合法派件网点集合；
判断模块，用于判断所述签收地址是否落入所述合法派件网点集合中任意一项的合法派件范围内；
若否，则调用第二确定模块，用于确定所述待识别运单为虚假运单。
17.如权利要求16所述的虚假运单的识别系统，其特征在于，所述识别系统还包括：
更新模块，用于更新所述物流服务提供商的派件网点的合法派件范围。
18.如权利要求17所述的虚假运单的识别系统，其特征在于，所述更新模块包括：
第一获取单元，用于获取派件网点对应的合法派件范围以及历史派件轨迹；
第二获取单元，用于获取所述历史派件轨迹对应的历史签收地址；
第三获取单元，用于获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断单元，用于判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则调用确定单元，用于确定所述合法派件范围中包括所述签收地址区位的区位为非法签收区位；
更新单元，用于从所述合法派件范围中删除所述非法签收区位以更新所述合法派件范围。
19.如权利要求18所述的虚假运单的识别系统，其特征在于，所述判断单元包括：
第一判断子单元，用于在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第一判断子单元判断为是，则调用第二判断子单元，用于在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第二判断子单元判断为否，则调用所述确定单元；
若所述第一判断子单元判断为否，则调用所述确定单元；
其中，所述第一粒度级别包括所述第二粒度级别。
20.一种虚假运单的识别系统，其特征在于，包括：
获取模块，用于获取待识别运单对应的派件网点以及签收地址；
判断模块，用于判断所述签收地址是否落入所述派件网点的合法派件范围内；
若否，则调用确定模块，用于确定所述运单为虚假运单。
21.如权利要求20所述的虚假运单的识别系统，其特征在于，所述识别系统还包括：
更新模块，用于更新所述派件网点的合法派件范围。
22.如权利要求21所述的虚假运单的识别系统，其特征在于，所述更新模块包括：
第一获取单元，用于获取所述派件网点对应的合法派件范围以及历史派件轨迹；
第二获取单元，用于获取所述历史派件轨迹对应的历史签收地址；
第三获取单元，用于获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断单元，用于判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则调用确定单元，用于确定所述合法派件范围中包括所述签收地址区位的区位为非法签收区位；
更新单元，用于从所述合法派件范围中删除所述非法签收区位以更新所述合法派件范围。
23.如权利要求22所述的虚假运单的识别系统，其特征在于，所述判断单元包括：
第一判断子单元，用于在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第一判断子单元判断为是，则调用第二判断子单元，用于在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第二判断子单元判断为否，则调用所述确定单元；
若所述第一判断子单元判断为否，则调用所述确定单元；
其中，所述第一粒度级别包括所述第二粒度级别。
24.一种合法派件范围的更新系统，其特征在于，包括：
第一获取模块，用于获取派件网点对应的派件范围以及历史派件轨迹；
第二获取模块，用于获取所述历史派件轨迹对应的历史签收地址；
第三获取模块，用于获取所述派件网点对应的派件网点区位以及所述历史签收地址对应的签收地址区位，所述派件网点区位与所述签收地址区位的粒度级别相同；
判断模块，用于判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若否，则调用确定模块，用于确定所述派件范围中包括所述签收地址区位的区位为非法签收区位；
更新模块，用于从所述派件范围中删除所述非法签收区位以更新所述派件范围。
25.如权利要求24所述的合法派件范围的更新系统，其特征在于，所述判断模块包括：
第一判断单元，用于在第一粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第一判断单元判断为是，则调用第二判断单元，用于在第二粒度级别下判断所述派件网点区位与所述签收地址区位是否相同或相邻；
若所述第二判断单元判断为否，则调用所述确定模块；
若所述第一判断单元判断为否，则调用所述确定模块；
其中，所述第一粒度级别包括所述第二粒度级别。
CN202010228918.7A 2020-03-27 2020-03-27 虚假运单的识别方法、系统、电子设备及存储介质 Active CN112116284B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010228918.7A CN112116284B (zh) 2020-03-27 2020-03-27 虚假运单的识别方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010228918.7A CN112116284B (zh) 2020-03-27 2020-03-27 虚假运单的识别方法、系统、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112116284A true CN112116284A (zh) 2020-12-22
CN112116284B CN112116284B (zh) 2021-04-13

Family

ID=73798851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010228918.7A Active CN112116284B (zh) 2020-03-27 2020-03-27 虚假运单的识别方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112116284B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115641037A (zh) * 2022-10-26 2023-01-24 北京国电通网络技术有限公司 包裹收货方法、装置、电子设备、计算机介质和程序产品

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110280150A1 (en) * 2008-08-28 2011-11-17 Juniper Networks, Inc. Global flow tracking system
CN104077308A (zh) * 2013-03-28 2014-10-01 阿里巴巴集团控股有限公司 一种物流服务范围确定方法及装置
CN105706136A (zh) * 2016-01-30 2016-06-22 深圳市博信诺达经贸咨询有限公司 基于大数据的电商平台分析方法及系统
CN106372821A (zh) * 2015-07-21 2017-02-01 阿里巴巴集团控股有限公司 确定服务站点信息的方法及装置
CN107341716A (zh) * 2017-07-11 2017-11-10 北京奇艺世纪科技有限公司 一种恶意订单识别的方法、装置及电子设备
CN109214738A (zh) * 2017-07-04 2019-01-15 菜鸟智能物流控股有限公司 一种物流对象的接收方法、装置及系统和电子设备
CN109509048A (zh) * 2017-09-15 2019-03-22 北京京东尚科信息技术有限公司 恶意订单识别方法、装置、电子设备及存储介质
CN110555589A (zh) * 2019-07-31 2019-12-10 苏宁云计算有限公司 风险订单识别方法及装置
US20200024930A1 (en) * 2017-04-18 2020-01-23 China University Of Mining And Technology Method for Optimizing Sensor Network Node Location in Geological CO2 Storage Area

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110280150A1 (en) * 2008-08-28 2011-11-17 Juniper Networks, Inc. Global flow tracking system
CN104077308A (zh) * 2013-03-28 2014-10-01 阿里巴巴集团控股有限公司 一种物流服务范围确定方法及装置
CN106372821A (zh) * 2015-07-21 2017-02-01 阿里巴巴集团控股有限公司 确定服务站点信息的方法及装置
CN105706136A (zh) * 2016-01-30 2016-06-22 深圳市博信诺达经贸咨询有限公司 基于大数据的电商平台分析方法及系统
US20200024930A1 (en) * 2017-04-18 2020-01-23 China University Of Mining And Technology Method for Optimizing Sensor Network Node Location in Geological CO2 Storage Area
CN109214738A (zh) * 2017-07-04 2019-01-15 菜鸟智能物流控股有限公司 一种物流对象的接收方法、装置及系统和电子设备
CN107341716A (zh) * 2017-07-11 2017-11-10 北京奇艺世纪科技有限公司 一种恶意订单识别的方法、装置及电子设备
CN109509048A (zh) * 2017-09-15 2019-03-22 北京京东尚科信息技术有限公司 恶意订单识别方法、装置、电子设备及存储介质
CN110555589A (zh) * 2019-07-31 2019-12-10 苏宁云计算有限公司 风险订单识别方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115641037A (zh) * 2022-10-26 2023-01-24 北京国电通网络技术有限公司 包裹收货方法、装置、电子设备、计算机介质和程序产品

Also Published As

Publication number Publication date
CN112116284B (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
Biba et al. A new method for determining the population with walking access to transit
Waddell UrbanSim: Modeling urban development for land use, transportation, and environmental planning
US10330487B1 (en) Enhanced geocoding
CN104484790A (zh) 一种物流业务的地址匹配方法及装置
US11966424B2 (en) Method and apparatus for dividing region, storage medium, and electronic device
US9945980B2 (en) System, method and program product for providing infrastructure centric weather forecasts
JP2014179093A (ja) 地理的に分散した資産のための資源配分およびリスクモデリング
WO2018145636A1 (zh) 物流单号生成方法
McLeod et al. The use of a geographical information system for land‐based aquaculture planning
CN104835024A (zh) 一种基于区位识别码的物流数据处理方法及系统
CN108306871A (zh) 地址处理方法及系统、地址确定方法、服务器及终端
CN115605903A (zh) 用于快速组成、启动和配置具有内置审计和监测结构的可定制的第二层级转移结构的系统及其方法
CN111260153A (zh) 基于快递面单的二段码管理方法、装置、设备及存储介质
CN112116284B (zh) 虚假运单的识别方法、系统、电子设备及存储介质
CN115829124A (zh) 充电桩选址方法、装置、设备及存储介质
CN114236643A (zh) 基于天气预报系统的气象预测方法、装置、设备及介质
CN104933581A (zh) 市场主体监管方法和系统
WO2015166352A2 (en) Techniques for synchronized address coding and print sequencing
CN111915256B (zh) 构建派件围栏的方法、异地签收识别方法及相关设备
Ortega et al. The influence of spatial data allocation procedures on accessibility results: The case of high-speed rail networks
CN112365175A (zh) 基于企业区域的经济分析方法、系统、存储介质及设备
CN102103600A (zh) 地图建立方法及地图系统
CN111190976A (zh) 快件签收方法、手持终端的快件签收方法及存储介质
US20040068520A1 (en) Information management system
US20060111799A1 (en) Fire risk assessment system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant